Digital pathology23 Stomach histology: H.pylori Gastric pits (위 구멍): 위 점막에 움푹 들어간 구멍을 말함.Lamina propria: connective tissue을 의미. 구조적으로 지지해주는 부분. 면역세포 존재. Gastric gland은 위치에따라서, gastric pit, neck, base로 구분 Parietal cell (벽세포): gland 중간에 위치하는 세포. 염산분비(HCl), 내인성 인자(Intrinsic factor) 분리Chief cell (주세포): gland 하부에 위치. Pepsinogen 분비. Chief cell의 핵은 내강(lumen)의 반대방향으로 위치해있음.Mucous neck cells (점액목세포): gland 상단에 위치. 산성 점액 분비.Enteroendocrine cells (내분비세포.. 2025. 4. 2. An Interpretable Multilabel Deep Learning Framework for theSimultaneous Assessment of Multiple Indicators 연구팀이 주장하는 모델(AMMNet)문제의 정의: Activity, Atropy, IM의 라벨이 하나 또는 복수개를 가질 수 있다고 함. 즉, Sydney system에서의 각 3가지 항목을 0, 1로 구분할 수 있는지, multi-label classification 방법론Attention-Based Multi-Instance Multilabel learning Network (이하, AMMNet)1. 특징화 작업: 2단계를 합침(Dual-Channel feature extration)CNN feature: Backbone(Resnet50, ImagNet pretrained), 출력(512-d) Frequency domain feature: 주파수도메인의 특징 작업: 출력(512-d).왜 했을까? (논.. 2025. 3. 4. [5분 컷 이해] Kappa score 란? Cohen's kappa coefficient: 범주형 변수형을 측정한 관찰자간 평가가 얼마나 일치하는지를 측정하기 위한 통계량입니다. 두 관찰자가 존재할 때, 일치도보다 더 믿을 만한 통계량이라고 일반적으로 알려져있습니다. 이유는 우연에 의한 일치(chance agreement)을 보정하기 때문에, 더 신뢰하다고 믿습니다. 정의: $p_{o}$ (observed agreement): 실제 평가자 간의 일치율 (정확도와 같음)$p_{e}$ (Expected agreement): 평가자가 우연히 일치할 확률. 평가자들이 아무생각 없이 무작위로 평가를 했다고 할 때, 평가가 우연히 일치할 가능성을 의미함. 예시 의사 1이 Positive을 선택할 확률: $P_{1, positive}$ = 40/100의.. 2025. 2. 24. FA (Follicular Adenoma) 여포성 선종 vs FC (Follicular Carcinoma) 여포성 암 Preliminary 여포(Follicle): follis(공기 주머니)라는 어원에서 파생. 갑상선에서는 콜로이드(colloid)라는 단백질 물질을 포함하고, T3, T4 호르몬을 저장하고 분비하는 역할을 함.여포세포(follicular cell): T3, T4을 분비하는 세포. 정육면체(cube-like)해서, 입방형 상피세포(cuboidal epithelial cells) 형태임. 갑상선 여포종양(Follicular neoplasm): 말그대로 신생물이기 때문에, "benign follicular adenoma"와 "follicular carcinoma"을 포함하는 개념FA(follicular adenoma)와 FTC(Follicular caricnoma)둘다 follicular cell의 분화로 .. 2025. 2. 22. [리뷰] ROAM: A transformer-based weakly supervised computational pathology method for clinical-grade diagnosis and molecular marker discovery of gliomas Method: ROAM은 4단계로 구성: 1) ROI추출 -> 2) Self-attetion을 이용한 인스턴스 표현 3) attention weigthed aggregation, 4) Multi-level supervision의 4단계1. ROI 추출 및 특징화: WSI로부터 2,048 x 2,048 (0.5mpp, x20)으로 ROI을 추출합니다. 추출과정에서는 Overlapping 없이 진행합니다.2048x2048 ROI에서 2배, 4배의 다운샘플링을 진행합니다 (1024x1024, 512x512)가 생성. 논문에서는 $R_{i}^{0}, R_{i}^{1}, R_{i}^{2}$ 로 표현함각 ROI에서 다시, 256x256사이즈의 패치를 뽑아서 pretrained CNN에 통과. 각 통과한 출력은 ($.. 2025. 1. 22. Learnable color space conversion and fusion for stain normalization in pathology images 설명 요약 Motivation1. 염색정규화(Stain normalization)은 타깃(target image, 또는 reference image)라고 불리는 이미지를 정하고, 이 타깃이미지에 맞춰서 소스이미지의 염색톤을 변화하는 것을 의미합니다.2. 그러나, 염색정규화에서 이런 타깃이미지를 선정하는 과정이 매우 작위적이고(=관찰자마다 다르며), 타깃이미지를 어떤 것을 고르냐에 따라 인공지능 모델의 성능이 크게 차이가 납니다(아래 Fig1은 어떤 이미지를 고르냐에따라서 성능이 크게 좌우된다는 예시를 표하기위한 그림입니다).Method: 염색정규화과정에 필요한 trainable parameters을 인공지능 모델에 포함하여 학습저자들은 데이터로부터 염색정규화에 필요한 파라미터를 모델에 추가합니다. 이 레이어명.. 2024. 12. 30. 이전 1 2 3 4 다음
